Misure indipendenti della stessa grandezza, ciascuna con una diversa precisione.

Documenti analoghi
Principio di massima verosimiglianza

Principio di massima verosimiglianza

Propagazione degli errori

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

Qualità dell adattamento di una funzione y=f(x) ad un insieme di misure (y in funzione di x)

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986

Sistemi Intelligenti Stimatori e sistemi lineari - III

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Misure Ripetute ed Indipendenti

Propagazione degli errori

LA COMPATIBILITA tra due misure:

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.

Propagazione delle incertezze

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t

La likelihood. , x 3. , x 2. ,...x N

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

Sistemi Intelligenti Introduzione al calcolo delle probabilità - II

y. E' semplicemente la media calcolata mettendo

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica

Istogrammi e confronto con la distribuzione normale

Propagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati.

Stima dei Parametri: Metodo di Massima Verosimiglianza

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

Metodologie informatiche per la chimica

C. Meneghini é una variabile aleatoria la cui funzione densitá di probabilitá é:

Precisione e Cifre Significative

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita

Elementi di statistica

Stima dei Parametri Metodo di Massima Verosimiglianza

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

Corso di. Dott.ssa Donatella Cocca

Tutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017

ELEMENTI DI STATISTICA

Capitolo 11: IL METODO DEI MINIMI QUADRATI. Nel Capitolo precedente ci siamo posti il problema di determinare la miglior retta che passa per

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)

Modelli con varabili binarie (o qualitative)

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

LA VARIABILITA. IV lezione di Statistica Medica

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

Misure dirette utilizzate per il calcolo della misura indiretta X:

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x

Il procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria.

3) Entropie condizionate, entropie congiunte ed informazione mutua

Correlazione lineare

La regressione lineare: relazioni funzionali

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari

Università di Cassino Corso di Statistica 1 Esercitazione del 28/01/2008 Dott. Alfonso Piscitelli. Esercizio 1

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna

Sorgenti Numeriche - Soluzioni

Variabili casuali. Variabili casuali

Statistica e calcolo delle Probabilità. Allievi INF

ESERCITAZIONE DI LABORATORIO 2: CARATTERIZZAZIONE DI UN INSIEME DI MISURE RIPETUTE

Incertezza di sensibilità < fluttuazione intrinseca delle misure.

Regressione lineare: definizione delle incertezze dei coefficienti (calibrazione e regressione generica)

1 La domanda di moneta

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

L arcobaleno. Giovanni Mancarella. n = n = n = α( o )

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum

03/03/2012. Campus di Arcavacata Università della Calabria

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Esercizi di Probabilità e Statistica

UNIVERSITÀ DEGLI STUDI DI TORINO CORSO DI LAUREA IN CHIMICA Dispense ad esclusivo uso introduttivo per il modulo di Fisica C

Lezione 2 a - Statistica descrittiva per variabili quantitative

Stima dei Parametri. Capitolo 8

La sincronizzazione. (Libro) Trasmissione dell Informazione

Valutazione dell incertezza di misura

Esercizi di econometria: serie 1

Le soluzioni della prova scritta di Matematica per il corso di laurea in Farmacia (raggruppamento M-Z)

Lezione 2 le misure di sintesi: le medie

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3:

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu)

Tangenti a una conica: il metodo del Doppio sdoppiamento 1

Lezione 6. Bayesian Learning

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

Interpolazione con una retta per l origine

Gli errori nelle misure

Le quote e q sono incognite. Il sistema è ridondante: 3 equazioni (osservazioni) e 2 incognite.

Capitolo 3. Cap. 3-1

Relazioni tra variabili: Correlazione e regressione lineare

LE FREQUENZE CUMULATE

RAPPRESENTAZIONE DI MISURE. carta millimetrata

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N

METODI DI MISURA LEZIONI DEL CORSO DI FISICA I E METODI DI MISURA. Enrico Ferrero

Laboratorio di Fisica per Scienze Naturali 1 - Elementi di Statistica e di teoria degli errori

Intorduzione alla teoria delle Catene di Markov

Teoria dei processi casuali a tempo continuo. Seconda lezione: Medie statistiche

Appunti di Econometria

CPM: Calcolo del Cammino Critico

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

Stima dei Parametri: Metodo dei Minimi Quadrati

Sistemi Intelligenti I sistemi lineari

Oltre la regressione lineare

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Transcript:

Msure ndpendent della stessa grandezza, cascuna con una dversa precsone. Consderamo d avere due msure o n generale della stessa grandezza, ndpendent, caratterzzate da funzone denstà d probabltà d Gauss. bbamo gà vsto che se le msure hanno tutte la stessa precsone e sono o state fatte tutte con lo stesso apparato d msura la mglor stma del valore vero d è la meda artmetca delle msure : e la sua ncertezza è l errore standard della meda: Se le msure non hanno la stessa precsone, la mglor stma del valore vero s otterrà dando un peso dverso a cascuna msura, un peso che sarà maggore per la msura pù precsa. bbamo vsto un caso analogo nel metodo de mnm quadrat pesat. nche qu possamo dmostrare che l peso opportuno è l nverso della varanza. Marta Calv 009 Lezone 9, pag.

pplchamo l metodo della massma verosmglanza. Scrvamo la probabltà per l osservazone congunta de due valor e con devazon standard e della grandezza l cu valore vero è sconoscuto L ;,,, e e f standard e, della grandezza l cu valore vero è sconoscuto. Essa è data da: e La mglor stma d che chameremo è quella che rende massma la probabltà dell osservazone de due valor e coè quella che rende massma la funzone o l suo logartmo: L ln L ln massma la funzone o l suo logartmo: Cerchamo l massmo calcolando la dervata prma rspetto : Marta Calv 009 Lezone 9, pag.

0 ln... lnl 0 0 0 meda pesata Posso defnre pes delle due msure: p / e p / e rscrvere: p p p p p p p Marta Calv 009 Lezone 9, pag. 3 p p

Qual è l ncertezza corrspondente al volere d così determnato? Per calcolarla s utlzza la propagazone degl error. Poché le msure sono ndpendent e hanno funzone denstà d probabltà Gaussana: ndpendent e hanno funzone denstà d probabltà Gaussana: Generalzzando ad msure ndpendent: meda pesata Marta Calv 009 Lezone 9, pag. 4

Osservamo che se ora ponamo tutte ugual le devazon standard:... rtrovamo le formule conoscute: b Marta Calv 009 Lezone 9, pag. 5

Osservamo che l procedmento seguto per determnare la mglor stma d equvale alla determnazone del mnmo rspetto della funzone χ : χ Il valore che la varable χ assume al mnmo, per, c permetterà anche d valutare quanto buono è l accordo tra le msure e l valore d così determnato. In questo caso è stato rcavato ato a partre dalle msure stesse. In generale possamo utlzzare l test del χ anche per valutare la compatbltà d un nseme d msure con un generco valore atteso, n modo analogo a a quanto fatto per valutare a la bontà dell accordo do d coppe d msure ed una funzone. Marta Calv 009 Lezone 9, pag. 6

Compatbltà d un nseme d msure con un valore atteso Per valutare la compatbltà d una sngola msura con un valore atteso avevamo utlzzato la funzone denstà d probabltà d Gauss. Consderamo ora msure della stessa grandezza ndpendent, ottenute n generale con apparat d msura dvers con precson dverse. Faccamo l potes che cascuna abba funzone denstà d probabltà Gaussana, centrata su atteso con varanza, rspettvamente. La varable casuale: atteso χ deve avere funzone denstà d probabltà del χ con d grad d lbertà. Sa χ o l valore trovato n corrspondenza delle msure e P o la probabltà d trovare un valore d χ χ o : P P χ dχ o χ o Marta Calv 009 Lezone 9, pag. 7

Fssato arbtraramente un valore lmte ε es. ε 5% se P o > ε l accordo è buono accettamo l potes potes, se P o < ε Pχ le msure non sono compatbl rgettamo l potes l χ o trovato è troppo dstante dal χ medo atteso per grad d lbertà P ο χ ο Rgettare l potes sgnfca negare una o pù delle affermazon fatte: o le msure non sono tutte ndpendent o non sono Gaussane, o le Gaussane non sono tutte centrate n atteso, o le varanze non sono corrette. Marta Calv 009 Lezone 9, pag. 8